β

净推荐值(NPS)系列之二:理解软件产品的业务驱动力

在系列一里我们介绍了净推荐值(Net Promoter Score,NPS)的概念及操作方法,作为测量用户忠诚度的一种方法,如果某软件产品的NPS值高则意味着该公司可以考虑进一步的投资与研发;而NPS值低则意味着即使当前销售看上去是令人满意的,但是一旦出现可以替代的其他产品,整体销售额就会下降,进一步的投资与研发存在风险。在商业软件产品百花齐放的今天,很少有产品能长期保持不可替代性。企业用户在选择商业软件的时候,会考虑在B2B或B2C情境下,最适合自己和业务成功的产品。软件供应商得在提供企业商业价值中不断超越才能保持用户忠诚度。因此在NPS调查时,我们需要了解什么驱动了企业的业务价值。本文就将简单介绍理解软件产品业务驱动力的方法。

1、NPS调查分析

NPS调查中通常有2个问题,第一个问题是NPS数值,请用户回答“您在多大程度上愿意向您的朋友(亲人、同事……)推荐XX公司/产品?”(详见系列之一);第二个问题是开放性的,询问用户对所给分数的解释,需要我们采用特殊的分析方法进行分析。

什么驱动了高NPS?

研究表明,基于“直感”(Gut Feeling)的商业决策通常比理性评估之后的决策更好;好的感觉会产生好的结果。如果是那样的话,情绪肯定取决于驱动业务成功的业务因素。因此,我们假设:商业软件产品的NPS是受到业务驱动力驱动的。业务驱动力可以包括,效能,易用性,与其他系统的整合,自动化的工作流,整合的商业智能,机密,安全,隐私,以及其他通常出现在软件项目测试标准中的,被称为“非功能性需求”的类似标准。满足业务驱动力,帮助软件使用者实现他们的商业目标可能是软件获得成功最重要的因素。如果NPS调查能够有助于软件产品的开发者找到并选择正确的业务驱动力,那么调查就非常有价值了。

问卷回答者细分

NPS是一个简单的分数测量,但是用户是不同质的。我们可以按照行业或者类目将用户细分,如企业QQ用户中,我们根据对购买决策的影响,分为决策者,影响者,使用者。

又如,某个软件的企业用户可细分为两类:企业和工厂。企业是垂直整合的,有市场,ICT信息通信技术,产品管理。他们在业务流程的点对点中使用软件,关心自己使用软件产品所导致的一切结果,包括所有间接的后续行为。工厂只是使用软件来传递一些不在他们完全掌控下的业务流程的价值链中的一个环节。他们拿到一个订单,将其作为一个服务进行传递,他们的客户关注所有后续的业务流程。因此,虽然需要同样的软件特征,但工厂所感知的价值是相当不同的。与已有信息通信技术应用的整合对工厂来说不是很重要,对企业来说却是至关重要的。工厂相对于企业会更在意价格,企业为了所需的价值愿意承担更高的价格。因此,工厂和企业对同一款软件产品的NPS所代表的也是不同的。产品要服务于不同的细分市场,必须同时满足不同的期望。

例如,每类细分用户得到的反馈结果如表1所示,所有用户的NPS为30%。

表1 根据用户细分得到的NPS文档

企业-决策者 NPS-E.1 50% 工厂-决策者 NPS-F.1 39%
企业-影响者 NPS-E.2 31% 工厂-影响者 NPS-F.2 23%
企业-使用者 NPS-E.3 50% 工厂-使用者 NPS-F.3 31%

逐字分析

逐字分析指对开放性文本中搜集到的打分理由和评论信息采用亲和图的方式进行整理。这个过程需要研究者阅读并解释,很难自动化。根据心理学经验,亲和图的组数不超过7±2个,否则很难对亲和图的模式有一致的识别。亲和图帮助我们从用户那得到备选业务驱动力,这些通常在第一次NPS调查前是未知的。

逐字分析用于评估反馈结果对分数解释的重要性时,不用考虑评论是正面的或负面的。例如无论“目标的适用性”是受到肯定的或受到挑战的,都认为对给定分数的判断是重要的。当对7±2个业务驱动力进行逐字分析时,每条反馈都采用3分法进行分析,这可以使反馈在业务驱动中具有一定的分布。3分法可以是对3条业务驱动力1-1-1的打分,或者是重点强调某一个驱动力的2-1;甚至答案只关注某一个方面的3-0。如果反馈太笼统或观点不清晰,我们可以减少总的分数,如总分为2分或1分,详见【1】。

逐字分析还可以评估用户感知到的产品效能。此时,评论是正面的或负面的就会对分数产生影响,本文篇幅有限,以下仅从重要性角度进行介绍,不考虑效能的满意度。

 

2、数据转换

转换函数的概念

转换函数起源于对符号和系统(如傅立叶转换)的分析,描述了控制特征向量X如何影响反应特征向量Y的过程:Y=TX),详见【2】。

对应于NPS调查过程,即通过调查过程T,得到NPS调查向量Y;控制变量是业务驱动力,通过向量X传递,是在软件中已经实现的。调查过程T就是转换函数,描绘了将业务驱动力转换为NPS分数的过程,即模拟反馈者想法的过程。

已知调查T,可以直接求出向量X,这是逐字分析中所得到的反馈者对备选业务驱动力的权重。TX)描述了NPS文档——反馈者对备选业务驱动力的反应。

向量文档T(X)与观测向量Y的差异是业务驱动力是否解释了观测反馈的指标。可以通过向量差异|| T (X) – Y||进行评估,称为收敛间隙。

特征向量的使用

这个方法来自QFD,通过评估转置矩阵X = T T(Y) 预测了控制向量X,再评估收敛间隙来看转换函数的评估是否正确,详见【3】。

当从NPS调查结果中获取业务驱动力的时候,收敛间隙小则说明对反馈的逐字分析是对的,在这个意义上它匹配了反馈者意图。

信号的衰减

在NPS调查中,被动者也对他们的打分进行了文本解释,但是NPS度量只覆盖两类推荐值的百分比。当文本的信号相同时,高比例的被动者相比于低比例的被动者更削弱了NPS。因此,从最初的总分数中进行逐字分析时,有必要吸收额外的文本信号。表2显示了4种文本解释的衰减,都有200个被测者,且推荐者与贬损者的比例都是2:1。

表2 文本信号弱化的例子

推荐者 被动者 贬损者 总样本 NPS 信号强度 衰减因子 调整强度
133 0 67 200 33% 600 1.00 600
90 77 33 200 29% 600 0.62 369
67 100 33 200 17% 600 0.50 300
44 133 22 200 11% 600 0.33 200

这种信号的衰减反映了被动者的NPS行为受到接收的总体信号的弱化。从被动者那接收的分数对NPS和文本分析点的价值都很少。

逐字分析的测量误差

收敛间隙表示了测量误差。当研究者阅读和分析用户的文本时,存在解释的空间,通常这一步很难做正确的。“正确”意味着给解释NPS的文本赋予的分数与用户反馈的分数是一样的,收敛间隙为0。如果收敛间隙不接近0,要么是分析得到的业务驱动力不能解释观测到的分数,要么是一些文本被赋予了错误的业务驱动力。

 

3、案例分析

表3逐字分析得到的7个备选业务驱动力(虚拟案例)

驱力 特征
能力 能力——管理 跟踪和管理行为的能力
能力——整合 与其他应用的整合
能力——设计 输出内容的表现形式和实用性
流程 许可政策 许可,合同,版权和品牌
使业务简便 支持,响应,胜任力
品质 产品——及时性 及时传递新的特性
产品——可靠性 高质量,没有bugs

图1 NPS调查中分析业务驱动力重要性的QFD转换函数

净推荐值(NPS)系列之二:理解软件产品的业务驱动力

将业务驱动力的频次数标准化为0-9。虽然每类反馈的人数不同,但这里默认具有一样的权重。将每对{NPS,业务驱动力}的标准化权重填入QFD矩阵,详见【4】。

特征向量的长度标准化为5,收敛因子为0.26,这表明特征YTT TY))的差异只有5%,差异处于可容忍范围,设定的收敛极限为0.5。对于调查来说,处于可接受限值内,表明7个业务驱动力对反馈者评分的决策标准来说,是有效的。

 

4、方法局限性

A、用户在NPS调查的开放性问题中,很少反馈需要什么新功能,即这类型的调查本身不能决定哪些功能需要开发,如果希望得到用户的建议,我们需要直接问用户。

B、作为通用的预测,未来的购买行为会受到很多其他因素,如经济前景、或产品模式突变等,这些通过逐字分析的方法无法获知。

C、用户不受问题的限制,反馈的文本涉及很多不同方面的内容,所以往往需要先对文本进行初步筛选。

D、当收敛间隙较大时,我们需要对文本再次进行逐字分析,工作量较大。

以上简要介绍了NPS调查中理解软件产品业务驱动力的方法,实践中我们也发现该方法存在很多局限性,容易受到参与调查用户本身表达能力的影响。但从科学地分析数值及其背后原因之间的关系来看,其思路还是值得借鉴的。

参考文献

[1] Mazur, J., Bylund, N.: Globalizing Gemba Visits for Multinationals. In: Transactions from the 21st Symposium on Quality Function Deployment, Savannah, GA (2009)

[2] Creveling, C.M., Slutsky, J.L., Antis, D.: Design for Six Sigma, Prentice Hall, NJ (2003)

[3] Fehlmann, Th.: The Impact of Linear Algebra on QFD. In: International Journal of Quality & Reliability Management, Vol. 21 No. 9, pp. 83–96. Emerald, Bradford, UK(2005)

[4] Fehlmann, Th.: Linear Algebra for QFD Combinators. Combinatory Metrics for Software,18 October,V1.1-7(2003)

发表评论